祁连山东段天祝县植被指数对气候变化的响应研究

罗超, 酒金柱, 胡辉, 李坤鹏, 强平

祁连山东段天祝县植被指数对气候变化的响应研究

罗超, 酒金柱, 胡辉*, 李坤鹏, 强平

华中科技大学环境科学与工程学院, 武汉 430074

植被是陆地生态系统的重要组成部分, 其覆盖状况与气候变化密切相关。为探究祁连山东段天祝县植被对气候变化的响应, 基于2005—2018年MODIS-NDVI数据集和同期气象数据, 运用Pearson相关性分析法探究该地区NDVI与气候因子的关系。结果表明: 近14年内祁连山东段天祝县每年生长季的NDVI一直呈递增趋势, 其年均增长率为0.794%, 且以7月NDVI为全年最大值; 通过像元二分模型提取的植被覆盖度可知, 各类植被覆盖度均值占比以V级(45.25%)为主, 其次为IV级(20.71%), III级(15.59%), II级(14.64%), I级(3.50%), 且III级以上植被覆盖度在近14年里整体呈现缓慢增长趋势; 经Pearson相关性分析发现, 区域降雨量与年际及月际NDVI之间呈现显著正相关性, 而气温与仅与月际NDVI之间呈现较弱负相关性, 但月际NDVI对降雨量和气温的响应均存在一定滞后性。相对于气温, 研究区NDVI对降雨量的响应更为敏感, 这为后期通过人工降雨来改善当地生态环境提供参考。

归一化植被指数; 降雨量; 气温; 相关性分析; 像元二分模型; 天祝县

0 前言

植被因是衔接水、土、气等自然因子的核心枢纽, 对气候变化具有敏感性响应而作为全球气候变化的指示器[1-3]。研究者常采用遥感卫星监测反演方法, 以获得表征中尺度或大尺度区域植被覆盖度和生物量等指示信息, 其中最常用的是归一化植被指数(Normalized Difference Vegetation Index,简称NDVI)[4-6]。Shen等[7]通过对卫星遥感影像反演得到的NDVI数据集分析, 发现三江源区域持续的生态环境保护, 使该区域的NDVI从2000年的0.241增加到2015的0.262。这表明该区域的植被覆盖率逐渐得到提高。Pang等[8]采用最大值合成法, 提取了1982-2012年期间青藏高原植被的月际变化NDVI数据, 发现该区域生长季(5-9月)的NDVI与气温之间呈正相关性, 与降雨量间无相关性。Muradyan等[9]采用相同方法得到了1998-2013年期间亚美尼亚高原生长季(4-10月)的NDVI, 发现陡峭山地区域的NDVI与气温间呈负相关性, 草地区域NDVI与气温间呈现正相关性, 但所有区域的NDVI与降雨量之间均呈现正相关性。王洪亮等[10]采用像元二分模型提取MODIS的NDVI数据集, 研究发现2000-2014年期间伊犁河流域的最大植被覆盖度呈现自西向东南逐渐增加趋势, 这与气候变化和人类活动有关。这些研究表明, 影响NDVI的因素既有降雨量和环境温度, 也与研究区域的地貌特征与海拔高程有关。

甘肃省天祝县地处祁连山国家自然保护区东段, 是西北地区重要的生态功能区。境内植被生长季的初始阶段为5月初, 其中 7月和8月为植被生长旺盛期, 并在9月步入生长季的末期[11], 这与境内暖季(5-9月)划分时段一致[12]。近年来受气候变化和人类开发活动的影响, 该区域的草原植被生态环境发生了持续缓慢的变化, 对当地经济发展和生态保护产生一定影响。为此, 基于该区域2005-2018年期间的MODIS-NDVI数据, 采用最大值合成法和像元二分模型方法, 以研究祁连山东段天祝县植被的时空分布特征。同时, 运用Pearson相关性分析法, 探究该地区的NDVI与气候因子(降雨和气温)间的关系, 进而分析植被对降雨和气温变化的响应, 为后期人工降雨对区域生态环境影响提供理论支撑。

1 研究区概况

素有“河西走廊门户”美誉之称的天祝县位于甘肃省武威市南部(如图1所示), 东临白银市景泰县, 西接青海乐都县, 南靠兰州市永登县, 北依武威市古浪县, 且中部含有乌鞘岭国家自然保护区, 介于36°31′-37°55′N、102°07′-103°46′ E之间, 总面积达7149 km2, 属祁连山东段高寒山区。研究区内地势起伏较大, 整体呈西北高东南低的特点, 海拔高程介于2040-4874 m之间。境内具有独特气候特征, 以乌鞘岭为界, 南坡属大陆性高原季风气候, 北坡属温带大陆性半干旱气候[13], 年均气温为-8-4 ℃, 年均降雨量为265-632 mm, 且气温和降雨量的年际变化较大, 进而影响植被生长, 对当地生态环境保护和经济发展具有重要意义。

Figure 1 The location of study area

2 研究方法

2.1 研究数据

利用美国航空航天局官网公开的MODIS遥感图像中陆地植被产品MOD13Q1数据, 采用最大值合成法[14, 15], 从MOD13Q1数据中提取2005-2018年期间祁连山东部区域逐月NDVI的数据清单, 时间分辨率为16 d, 空间分辨率为250 m×250 m。为消除积雪覆盖对遥感影像的干扰, 本研究选择植被生长季(5-9月)NDVI的均值作为年NDVI值。气候数据(月均降雨量和气温)来自于甘肃省天祝县气象局和乌鞘岭国家基准气候站。

2.2 植被覆盖度VFC的计算

像元二分模型基本原理: 假设所有像元仅由纯植被和纯土壤这两部分组成, 根据各组分所占面积权重, 经过加权线性组合反演得到植被覆盖度和生物量变化, 即归一化植被指数NDVI[16]。另一方面, 为降低噪声对NDVI数据准确性的干扰, 本文参考文献[17]的降噪方法估算NDVIveg和NDVIsoil, 如公式(1)所示:

式中:(Vegetation Fractional cover)为植被覆盖度;veg和soil分别等价于研究区统计得出累计概率为95%和5%的NDVI值; NDVI为7月NDVI值。由于7月是该地区NDVI值的顶峰期, 这表明7月是反映区域植被覆盖度状态的最佳时期。为此, 本研究选择每年7月的NDVI数据, 采用像元二分模型反演研究区域的植被覆盖度VFC值。

2.3 相关性分析

采用Pearson相关性分析法, 研究NDVI与气候因子间的关系, 计算公式如式(2)所示[18]:

3 结果与分析

3.1 生长季内植被NDVI的月际变化特征

利用从MOD13Q1数据中提取2005-2018年期间祁连山东部乌鞘岭区域逐月NDVI的数据清单, 并参考文献[19]的植被生长季划分标准, 采用均值法统计得到2005-2018年植被生长季(5-9月)每月的NDVI均值, 据此绘制出如图1所示的研究区生长季内NDVI的月际变化特征图。

由图2可知, 2005-2018年期间研究区植被生长季的NDVI值的月际变化具有一定规律性, 呈现出先增加后逐渐减小的变化趋势, 即NDVI均值从5月的0.331上升到7月的0.562, 增长率为8.1%; 从峰值的7月之后, NDVI均值又开始缓慢下降, 由8月的0.551下降到9月的0.483, 递减率为4.2%。究其原因, 是由于研究区从每年的4月中下旬开始, 伴随气温的升高, 冰雪开始融化, 而且降雨量逐渐增加, 这为植被生长提供了适宜的条件; 自7月后降雨量逐渐减少, 局部甚至出现干旱现象, 导致植被的生长受阻[20, 21]。

图2 研究区2005-2018年生长季内植被NDVI的月际变化特征图

Figure 2 Monthly variation characteristics of NDVI during the growing season in the study area from 2005 to 2018

3.2 生长季内植被NDVI的年际变化特征

统计从MOD13Q1数据中提取2005-2018年期间研究区域逐月的NDVI数据清单发现, 此期间每年相对应月份的植被NDVI值并不相同, 5月至9月的NDVI值范围分别为0.231-0.393、0.382-0.561、0.441-0.652、0.583-0.642和0.421-0.571。同时, 采用均值法统计得到2005-2018年植被每年生长季的NDVI均值, 据此绘制出如图3所示的研究区生长季内NDVI的年际变化特征图。

由图3可知, 研究区2005-2018年期间植被每年生长季的NDVI整体呈现递增的趋势, 其线性拟合方程=0.0043-8.0681(2=0.6044)。从2005年的0.4707上升到2018年的0.5193, 14年期间共增加了10.32%, 年均增长率约为0.79%。其中: 2007-2012年, 研究区域的NDVI值呈现较大幅度增长趋势, 年均NDVI增长率为0.66%, 究其原因是降雨量增加为植被生长提供有力条件; 但2012年至2013年期间, 研究区植被NDVI出现骤减现象, 其递减率高达5.91%。为此, 结合图6可知, 2013年的年降雨量为近14年内最低值, 且气温是呈现递增趋势, 这说明2012年至2013年期间因气温上升使得植被蒸发量增加, 且伴随降雨量骤减不利于植被生长, 进而使得该期间的植被NDVI呈现明显下降趋势; 2013-2015年, NDVI迅速增长, 年增长率可达23.18%, 这既与该期间降雨量的增加有关, 又得益于2013年研究区域自然草原实行的全面禁牧措施[22]; 2016-2018年, 研究区域植被的NDVI值相对较为稳定, 年均约为0.351, 这主要由于该期间降雨量和气温的变化度较低, 且配套的生态环境保护措施落实到位所致。由此可见, NDVI值的缓慢增长与研究区域的降雨量、气温和推行各类生态环境保护政策密切相关, 这表明适度降雨量增加和合理的人类活动对植被覆盖度和生物量增加具有积极影响。

3.3 植被覆盖度VFC的时空变化特征

利用公式(1)将2005年-2018年的NDVI数据集演算得到每年的VFC数据, 依据文献[23]给出的VFC分级表(I-V级, 级别越高表示植被覆盖度越高), 利用Arcgis 10.2 软件分级, 统计得到不同VFC所对应的面积百分比。基于此数据集, 绘制出如图4所示的VFC百分比随时间变化的分布特征。

图3 研究区2005-2018年生长季内植被NDVI的年际变化特征图

Figure 3 Temporal variation of vegetation NDVI during the growing season in the study area from 2005 to 2018

图4 研究区2005-2018年各类VFC百分比的年际变化特征

Figure 4 The interannual variation of various VFC percentages in the study area from 2005 to 2018

由图4可知, 2005-2018年期间每年生长季的VFC分级均不同, 但每年的总VFC类别中均以V级为主, 呈现出V级> IV级>III级> II级> I级的变化特征。各级的VFC均值存在较大差别, 从V级到I级, VFC均值占比分别为45.25%、20.71%、15.59%、14.64%和3.81%, 且III级及以上VFC占比高达81.55%, 这主要由于乌鞘岭国家自然保护区位于研究区中部, 相关生态环境保护措施到位, 为植被生长提供有力条件, 且该区域植被以草本为主, 其分布范围广泛, 进而使得植被覆盖度偏高。此外, 与同处于西北生态脆弱区的锡林郭勒草原[24]相比, 祁连山东段天祝县的植被覆盖度明显较高, 究其原因是研究区内降雨量相对略高, 且锡林郭勒草原受到大面积露天开采煤炭等人类活动的负面影响, 进而使得两地的植被覆盖度存在较大差异性。另一方面, 研究区内植被VFC与NDVI的年际变化相似, 均在2012年达到顶峰, 在2007跌至谷底, 整体呈现缓慢增长趋势, 这与该地区降雨量变化趋于一致。

为探讨植被覆盖度的空间分布特征, 选择2005年、2007年、2012年和2018年为研究对象, 依据文献[23]给出的VFC分级表, 利用Arcgis 10.2 软件, 绘制如图5所示的研究区植被覆盖度的空间分布图。

由图5可知, 植被覆盖度2012年>2018年>2005年>2007年, 其中高VFC主要分布在东北向的乌鞘岭自然保护区和西南向的炭山岭镇, 低VFC主要分布在东南向的华藏寺镇及松山镇, 这可能由于空间降雨的差异所致。另外, 分析图4中2018年植被覆盖度可知, 研究区内V级至I级的VFC面积在空间分布上存在明显不同, 各级的面积分别为3082.82 km2、1389.54 km2、1021.72 km2、1294.84 km2和360.08 km2, 其中乌鞘岭国家自然保护区内植被覆盖度处于较高水平, 而天祝县政府周围植被覆盖度相对处于较低水平, 这可能与人类活动有关, 在保护区内封山育林, 在人口集中区内开垦、放牧等, 进而影响区域VFC的空间分布。综上可知, 研究区内植被覆盖度具有明显的空间分布特征, 且降雨量和人类活动对其产生一定影响。

3.4 植被NDVI与气候因子关系

前述分析表明水系分布是影响研究区域植被覆盖度分布的重要因子, 而其与区域大气降水密切相关; 同时, 研究显示植被NDVI值的大小与降雨和气温等气候因子有关[25, 26]。为此, 基于2005-2018年期间的植被NDVI数据清单、降雨量和气温数据集, 采用Pearson相关分析法, 以探讨植被NDVI与气候因子降雨量和气温之间的相关性, 结果如图6所示。

由图6可知, 研究区域2005-2018年期间的年降雨量整体呈波状缓慢上升趋势, 随着降雨量的逐年增加, 植被NDVI值也呈现明显的增加趋势, 二者之间具有明显的正相关关系, 在显著水平N,P< 0.05时, 相关系数N,P=0.621; 然而, 采用相同方法分析发现, 当N,T>0.05时,N,T=-0.188, 这表明温度与植被NDVI值之间几乎没有相关性或呈弱的负相关性, 同时也表明研究区域的降雨量对植被NDVI的影响比气温大得多。这与文献[27]所述的青藏高原植被NDVI值对气候因子降雨量和温度的响应结论相似, 原因是祁连山乌鞘岭区域与青藏高原区域具有相似的高原地形地貌和气候特点。

为进一步探究植被NDVI与降雨量和气温的关系, 选择生长季内5月至9月的植被NDVI研究对象, 采用Pearson相关性分析法计算出每月植被NDVI与当月及前月气温和降雨量的相关系数, 以分析植被NDVI对气温和降雨量的滞后性, 对应的相关系数如表1所示。

图5 研究区2005-2018年VFC的空间分布图

Figure 5 Spatial distribution map of VFC in the study area from 2005 to 2018

图6 研究区2005-2018年植被NDVI与气温和降雨气的关系图(PN,R和RN,R, PN,T和RN,T分别为NDVI与降雨和气温之间的显著水平和相关性系数)

Figure 6 Correlation relationship of temperature, rainfall with NDVI in the study area from 2005 to 2018

表1 生长季NDVI与当月及前月气温和降雨量的相关系数

注: *表示通过0.05水平(双侧)上显著相关; **表示在0.01水平(双侧)上显著相关。

由表1可知, 整体上生长季内月NDVI与降雨量之间呈现显著的正相关性, 但与气温之间呈现微弱的负相关性。从降雨量方面分析, 5月、8月内降雨量与NDVI之间呈现出无相关性, 但6月、7月内降雨量与NDVI之间呈现出显著相关性。究其原因, 研究区内6月、7月的降雨量明显较高, 且该时期植被生长速率最大, 其枝叶充分伸展, 进而对应的植被NDVI值也是全期最大值, 这说明6月、7月期间降雨量是影响植被生长的重要因子; 但在9月, 植被NDVI与前月降雨量更为显著。究其原因, 研究区内9月降雨量明显低于8月, 且该时期处于生长季末期, 部分植被趋于凋零, 进而使得植被NDVI对降雨量的响应产生滞后现象。

另外, 从气温方面分析, 5月、9月植被NDVI与前月气温呈现的相关性更为显著, 这说明该期间植被NDVI对气温响应存在一定滞后性。究其原因, 研究区内4月存有积雪, 其气温明显低于5月, 使得4月比5月气温对植被生长影响更高, 而8月气温为全期最高, 对植被生长的影响明显高于9月, 进而产生了NDVI对气温响应的滞后性; 但是, 6月、8月植被NDVI与本月气温相关性更为显著, 这表明该期间气温是影响植被生长的重要因子。究其原因, 研究区内多为耐寒植被, 当气温高于10℃后, 随着温度增加对植被生长具有抑制作用, 而6月和8月气温相对较高, 进而使得NDVI对本月气温响应更加明显; 而在7月, 植被NDVI与气温之间呈现无明显相关性, 这可能是由于步入6月后气温就处于全年较高水平, 在此基础上, 伴随温度升高加大了植被的蒸发量, 且7月降雨量对植被生长具有明显促进作用, 使得7月内气温与植被NDVI的相关性变弱。综上所述, 生长季内植被NDVI对气温和降雨量的响应均存在一定滞后性, 且降雨量比气温对植被NDVI的影响更大, 这与相关结论[28]具有一致性。

4 结论

基于MODIS的NDVI(2005-2018年)数据集, 通过最大值合成法和像元二分模型提取祁连山东段天祝县的植被覆盖度, 采用Pearson相关性分析法研究NDVI与降雨量和气温相互间的关系, 得出以下主要结论:

(1)在2005-2018年期间, 研究区内植被每年生长季的NDVI整体呈现递增的趋势, 其年均增长率约为0.794%, 但2012年至2013年期间因降雨量的骤减导致NDVI呈现递减趋势, 并以7月NDVI为全期最大值。这表明近14年期间, 该区域植被覆盖度整体呈现缓慢增长趋势,且全期内以7月植被覆盖度最大。

(2)通过像元二分模型提取的植被覆盖度可知, 植被VFC的各级均值占比以V级(45.25%)为主,其次为IV级(20.71%), III级(15.59%), II级(14.64%), I级(3.50%), 且高VFC主要分布在东北向的乌鞘岭自然保护区和西南向的炭山岭镇, 低VFC主要分布在东南向的华藏寺镇及松山镇, 这主要是由于空间降雨不均匀和人类活动所致。

(3)基于MODIS-NDVI数据集和气候数据, 并采用Pearson相关性分析可知, 在年际变化方面, 降雨量与植被NDVI之间呈现正相关性(=0.641,< 0.05), 气温与植被NDVI之间无明显的相关性(= -0.130,>0.05); 在月际变化方面, 整体上表现为植被NDVI与气温之间呈现微弱的负相性, 而与降雨量之间呈现较强的正相关性, 且NDVI对气温和降雨量响应均存在一定滞后性。由此可知, 相对气温而言, 降雨量对该地区植被生长的影响更加明显。

[1] ZHU Yixuan, ZHANG Yangjian, ZU Jiaxing, et al. Effects of data temporal resolution on phenology extractions from the alpine grasslands of the Tibetan Plateau[J]. Ecological Indicators, 2019, 104: 365–377.

[2] 刘启兴, 董国涛, 景海涛, 等. 2000-2016年黄河源区植被NDVI变化趋势及影响因素[J]. 水土保持研究, 2019, 26(3): 86–92.

[3] Gillison A N. Plant functional indicators of vegetation response to climate change, past present and future: I. Trends, emerging hypotheses and plant functional modality[J]. Flora, 2019, 254: 12–30.

[4] Phillips L B, Hansen A J, Flather C H. Evaluating the species energy relationship with the newest measures of ecosystem energy: NDVI versus MODIS primary produ­ction[J]. Remote Sensing of Environment, 2008, 112(9): 3538–3549.

[5] Filippa G, Cremonese E, Migliavacca M, et al. NDVI derived from near-infrared-enabled digital cameras: Applicability across different plant functional types[J]. Agricultural and Forest Meteorology, 2018, 249: 275–285.

[6] Michele M, Dominique F, Felix R, et al. Near real-time vegetation anomaly detection with MODIS NDVI: Timeliness vs. accuracy and effect of anomaly computation options. [J]. Remote sensing of environment, 2019, 221: 508–521.

[7] Shen X, An R, Feng L, et al. Vegetation changes in the Three-River Headwaters Region of the Tibetan Plateau of China[J]. Ecological Indicators, 2018, 93: 804–812.

[8] Pang G, Wang X, Yang M. Using the NDVI to identify variations in, and responses of, vegetation to climate change on the Tibetan Plateau from 1982 to 2012[J]. Quaternary International, 2017, 444: 87–96.

[9] Muradyan V, Tepanosyan G, Asmaryan S, et al. Relationships between NDVI and climatic factors in mountain ecosystems: A case study of Armenia[J]. Remote Sensing Applications: Society and Environment, 2019, 14: 158–169.

[10] 王洪亮, 冯爱萍, 高彦华, 等. 伊犁河流域最大植被覆盖度的时空动态变化[J]. 环境科学与技术, 2018, 41(6): 161–167.

[11] LI Wen, CAO Wenxia, WANG Jinlan, et al. Effects of grazing regime on vegetation structure, productivity, soil quality, carbon and nitrogen storage of alpine meadow on the Qinghai-Tibetan Plateau[J]. Ecological Engineering, 2017, 98: 123–133.

[12] 滕水昌, 张敏, 滕杰, 等. 1951—2016年甘肃乌鞘岭气候变化特征[J]. 干旱气象, 2018, 36(1): 75–81.

[13] 贺俊生, 龚大洁, 黄棨通, 等. 祁连山区天祝县陆生野生脊椎动物多样性及地理区系研究[J]. 干旱区资源与环境, 2020, 34(1): 148–155.

[14] 王君, 杨晓梅, 隋立春, 等. 西安市1995—2016年植被覆盖度动态变化监测及景观格局分析[J]. 生态科学, 2019, 38(6): 81–91.

[15] PENG Wenfu, KUANG Tingting, TAO Shuai. Quantifying influences of natural factors on vegetation NDVI changes based on geographical detector in Sichuan, western China[J]. Journal of Cleaner Production, 2019, 233: 148–155.

[16] 王君, 杨晓梅, 隋立春, 等. 西安市1995—2016年植被覆盖度动态变化监测及景观格局分析[J]. 生态科学, 2019, 38(6): 81–91.

[17] 李苗苗. 植被覆盖度的遥感估算方法研究[D]. 北京: 中国科学院研究生院(遥感应用研究所), 2003: 40–55.

[18] CHU Hongshuai, SERGEY V, CHAO Wu. NDVI-based vegetation dynamics and its response to climate changes at Amur-Heilongjiang River Basin from 1982 to 2015. [J]. The Science of the total environment, 2018, 650: 2051–2062.

[19] 贾文雄, 赵珍, 俎佳星, 等. 祁连山不同植被类型的物候变化及其对气候的响应[J]. 生态学报, 2016, 36(23): 7826–7840.

[20] 赵珍, 贾文雄, 张禹舜, 等. 祁连山区植被物候遥感监测与变化趋势[J]. 中国沙漠, 2015, 35(5): 1388–1395.

[21] 马兴祥, 刘明春, 张子廉, 等. 天祝县气候变化对畜牧业可持续发展的影响及对策[J]. 草业科学, 2000(5): 25–30.

[22] 宣辉. 天祝县草畜产业现状调查及其可持续研究[D]. 兰州: 兰州大学, 2016: 14–19.

[23] 王磊, 王杰, 付林, 等. 南充市辖区近15年植被覆盖度变化特征[J]. 生态科学, 2019, 38(1): 159–167.

[24] 阿荣, 毕其格, 董振华. 基于MODIS/NDVI的锡林郭勒草原植被变化及其归因[J]. 资源科学, 2019, 41(7): 1374–1386.

[25] NANZAD L, ZHANG Jiahua, TUVDENDORJ B, et al. NDVI anomaly for drought monitoring and its correlation with climate factors over Mongolia from 2000 to 2016[J]. Journal of Arid Environments, 2019, 164: 69–77.

[26] LI Gang, SUN Shaobo, HAN Jichang, et al. Impacts of Chinese Grain for Green program and climate change on vegetation in the Loess Plateau during 1982–2015 [J]. Science of the Total Environment, 2019, 665: 177–187.

[27] 卓嘎, 陈思蓉, 周兵. 青藏高原植被覆盖时空变化及其对气候因子的响应[J]. 生态学报, 2018, 38(9): 3208– 3218.

[28] 宋伟宏, 王莉娜, 张金龙. 甘肃祁连山自然保护区草地时空变化及其对气候的响应[J]. 草业科学, 2019, 36(9): 2233–2249.

Response of vegetation index to climate change in Wushaoling Plateau of Qilian Mountains

LUO Chao, JIU Jinzhu, HU Hui*, LI Kunpeng, QIANG Ping

Huazhong University of Science and Technology, School of Environmental Science & Engineering, Wuhan 430074, China

The cover condition of vegetation, an important part of terrestrial ecosystem, is closely related to climate change. In order to explore the response of vegetation to climate change in the Wushaoling plateau of Qilian mountains, this study, based on the MODIS-NDVI data set and the corresponding meteorological data from 2005 to 2018, researched the relationship between NDVI and climate factors in this area through Pearson correlation analysis. The results showed that the NDVI in the growing season of vegetation in the Wushaoling plateau of Qilian mountains has been increasing in the past 14 years with an average annual growth rate of 0.794%, and the NDVI in July was the maximum of the whole year. According to the vegetation coverage extracted by the dimidiate pixel model, the average proportion of all types of vegetation coverage was mainly grade V (45.25%), followed by grade IV (20.71%), grade III (15.59%), grade II (14.64%), and grade I (3.50%). Moreover, the vegetation coverage above grade III has shown a slow growth trend in the past 14 years. Pearson correlation analysis indicated that regional rainfall had a significant positive correlation with inter-annual and inter-monthly NDVI, while temperature had a weak negative correlation only with inter-monthly NDVI, whose response to both rainfall and temperature had a certain lag. Compared with temperature, NDVI in the research area was more sensitive to the response of rainfall, which provided reference for the improvement of local ecological environment through artificial rainfall in the later period.

normalized difference vegetation index; rainfall; temperature; correlation analysis; dimidiate pixel model; Tianzhu County

罗超, 酒金柱, 胡辉, 等. 祁连山东段天祝县植被指数对气候变化的响应研究[J]. 生态科学, 2021, 40(3): 74–81.

LUO Chao, JIU Jinzhu, HU Hui, et al. Response of vegetation index to climate change in Wushaoling Plateau of Qilian Mountains[J]. Ecological Science, 2021, 40(3): 74–81.

10.14108/j.cnki.1008-8873.2021.03.010

Q948

A

1008-8873(2021)03-074-08

2020-04-03;

2020-04-28

国家重点研发计划项目(2016YFC0401004)

罗超(1994—), 男, 安徽省六安人, 硕士, 主要从事生态环境学研究, E-mail:1158855792@qq.com

胡辉, 男, 博士, 教授, 主要从事生态环境学研究, E-mail: wuhanhuhui@163.com